Für Unternehmen führt heutzutage kein Weg an „Künstlicher Intelligenz“ vorbei. Das wird sich auch in Zukunft nicht ändern. Wer sich zu zögerlich oder gar überhaupt nicht anpasst, wird im Branchen-Wettbewerb untergehen. Aber auch überstürzte, rasche Implementierungen sind kontraproduktiv. Ausgeprägte Vorbereitung muss der Einführung von KI-Software vorangehen – folgende Themen sollten dabei unbedingt bedacht werden.
Künstliche Intelligenz (KI) für den Mittelstand (KMU) – Aber wie?
Im Bereich der Unternehmenssoftware etabliert sich künstliche Intelligenz mehr und mehr als ein Allzweckwerkzeug für jede Abteilung. Ob im Customer-Service, der Personalverwaltung, dem Vertrieb oder im Marketing – überall kann KI gewinnbringend eingesetzt werden. Aber trifft das auch auf jedes Einsatzgebiet zu? Die Kombination von KI und ERP-Systemen steckt voller Potential, dieses voll auszuschöpfen gestaltet sich allerdings nicht immer einfach. Vor allem kleine und mittelständische Unternehmen müssen sich bei der Implementierung von KI-Technologien gut vorbereiten und bei der Planung auf mehrere Faktoren achten.
Oft wird KI eingesetzt, um menschliches Verhalten zu imitieren. So können Chatbots den Kundendienst beschleunigen, indem Mitarbeiter entlastet und Kunden schneller bedient werden. Dabei darf aber keinesfalls vergessen werden, dass Chatbots nur ergänzend eingesetzt werden können und ihre menschlichen Kollegen niemals ersetzten können. Simple Kundenanfragen können von den Bots übernommen werden, sobald aber komplexere Themen zur Frage stehen müssen die Kunden an qualifizierte Berater weitergeleitet werden. Diese können sich dann dank der Informationen, die die KI gesammelt hat (Kundendaten, frühere Probleme o.ä.) besser auf den Kunden einstellen. So sparen die hilfsbereiten Roboter dem Kundenservice Zeit und ermöglichen effektivere sowie schnellere Beratung.
Beim Einsatz von Sprachassistenten oder Echtzeit-Übersetzung zeigt sich, dass KI keine Out-of-the-box-Lösung ist. Will man ein solches System in einer Branche oder einem Bereich einführen, der eines ausgeprägten Fachjargon oder zahlreichen Abkürzungen bedarf, stößt Standardsoftware auf Probleme. Um das gewünschte Ergebnis zu erzielen, muss KI auf den spezifischen Anwendungsfall trainiert werden. Es gilt: Je spezieller die gewünschte Funktion ist, desto aufwändiger muss die KI-Software angepasst werden. Wird der zusätzliche Aufwand unterschätzt oder gar ignoriert, kostet das Zeit, Geld und Geduld.
Eine besondere Rolle, die beim Thema künstliche Intelligenz nicht unterschätzt werden darf, spielen hierbei die Daten, auf welche die KI zurückgreifen kann. Erfolgreiche KI-Software steht und fällt mit der Qualität ihrer Datengrundlage. Besonders trifft das bei Machine Learning, einem Teilbereich künstlicher Intelligenz, zu: Auf Basis vorhandener Daten, versucht Machine Learning Muster zu erkennen und Lösungen zu entwickeln. Bevor ein Unternehmen die Technologie einsetzt, sollte es sich also im Klaren sein, welche Daten relevant für die Software sind. Soll das System lediglich die Temperatur eines Lagerraums überwachen und Sensordaten auslesen, ist vor allem die Datenqualität (der umgewandelten Sensordaten) wichtig – Anzahl spielt eine geringere Rolle. Will man mit Machine Learning aber Gesichtserkennung einsetzen oder gescannte Dokumente automatisch erkennen und überprüfen, ist Datenqualität und vor allem -masse elementar. Denn die Software braucht „Erfahrung“, aus der sie schließen kann, wie ein bestimmtes Gesicht (in unterschiedlichen Positionen, Licht etc.) aussieht oder wie verschiedene Dokumente aufgebaut sind. Die Datenvorbereitung macht 80% des Gesamtaufwands bei Machine Learning Projekten aus, wie die Erfahrung erfolgreicher Projekte beweist.
Die genannten Faktoren sollten keinesfalls von KI-Projekten abschrecken. Im Gegenteil: Künstliche Intelligenz wird aus der Zukunft keines wettbewerbsfähigen Unternehmens wegzudenken sein. Deshalb müssen sich moderne Firmen so früh wie möglich mit den Details der Implementierung solcher Technologien vertraut machen. Geht man gut vorbereitet an das KI-Projekt heran, steht der digitalen Zukunft des Unternehmens dann nichts mehr im Weg.
Sollte Ihr Interesse für KI nun geweckt sein, werfen Sie doch einen Blick in unser Schwester-Magazin Robinaut und lesen Sie, wie KI in Zukunft auch Entscheidungen automatisieren könnte.
Moritz Braun
Redakteur bei w2mediaMoritz Braun arbeitet als Online Redakteur bei w2media (ein Geschäftsbereich der mwbsc GmbH). Für das EAS-MAG korrigiert, schreibt und kuratiert er Beiträge. Er studiert seit 2017 in München an der Ludwigs-Maximilians-Universität Geschichte im Hauptfach sowie Antike und Orient im Nebenfach.